【面试】Kafka基础知识

定义

Kafka是一个分布式基于发布/订阅模式的消息队列

优点

解耦：上下游之间依赖解耦。
缓冲/削峰：生产消息的速度和消费消息的速度不一致时，可以起到缓冲作用。
异步：天然的异步处理机制，生产者把消息(任务)放进队列，消费者把消息(任务)从队列中拿出。

关键名词

生产者(Producer)：消息生产者，负责给Kafka Broker发消息。
消费者(Consumer)：消息消费者，负责从Kafka Broker中取消息。
消费者组(Consumer Group, CG)：消费者组，由多个消费者组成。
代理者(Broker)：Kafka集群中的服务器。
主题(Topic)：生产者和消费者面向的队列。
分区(Partition)：Topic分布在多个Broker中，Topic分为多个Partition，每个Partition自己是有序的队列。
消息位移(Consumer Offset)：代表消费者当前消费的进度，每个消费者会维护自己的消费者唯一。
副本(Replica)：
- 提高可靠性和容错能力：Kafka副本可以提高数据的可靠性和容错能力。如果某个Broker宕机，Leader副本失效，此时Follower副本会自动切换为Leader副本，确保数据的可靠性和服务的可用性。
- 提高读取性能：Kafka读取速度非常快，部分原因是因为副本机制的支持。读取请求可以被分发到多个副本中，从而提高读取性能。
- 提高吞吐量：Kafka可以在多个Broker之间进行数据分片，支持并行处理，从而提高吞吐量。同时，副本机制也支持并行处理，提高了吞吐量。
- 支持数据的备份和恢复：Kafka副本机制可以支持数据备份和恢复。
重平衡(Rebalance)：当消费者组增加或者减少消费者的时候，其他消费者实例重新分配订阅主题分区的过程，Rebalance也是Kafka确保高可用的手段之一。

核心API

生产者API：面向生产者的API，简单理解为生产者通过调用该API方法发送(发布)消息
消费者API：面向消费者的API，简单理解为消费者通过调用该API方法获取(订阅)消息
Streams API：在一下流处理场景可以使用的API
Connector API：

应用场景

上下游数据同步
日志收集

常见面试问题

Kafka是如何保证每个消费者不多消费也不少消费？

Kafka 使用的是一种叫做 "分区 rebalance" 的机制来保证每个消费者不会多消费或少消费。具体来说，每个 Kafka 主题都会分为多个不同的分区，每个消费者在加入组时会被分配到一个或多个分区。当消费者加入组时，Kafka 会为每个消费者分配一定数量的分区。如果一个消费者失败或离开组，Kafka 会重新分配其分区给其他消费者。这就是所谓的 "分区 Rebalance"，可以保证每个消费者都只消费自己被分配的分区。此外，Kafka 还会跟踪每个消费者消费的偏移量，以确保每个消费者都从正确的位置开始读取消息。这可以通过 Kafka 的消费者组协议来实现，例如，基于偏移量提交和跟踪来确保每个消费者消费正确的偏移量。

可参考知乎：Kafka如何保证不丢失不重复消费 - 知乎

Kafka实现高可用的方法？

分布式：Kafka集群是由多个Broker组成的，通常这些Broker会分布在不同的机器上。这种分散布置的好处是当集群中的某台机器出现故障时，其他机器上的Broker仍然能够提供服务，确保了系统的高可用性。
备份机制：其实思路很简单，就是将相同的数据拷贝到多台机子上，副本分为Leader Replica(主副本)和Follower Replica(从副本)，Leader Replica对外提供服务，Follower Replica追随Leader Replica，并不对外提供服务。生产者向Leader Replica写消息，消费者从Leader Replica读消息，而Follower Replica主动向Leader Replica发请求让Leader Replica将最新的数据发送给他，Follower Replica接收到后进行持久化，Follower Replica唯一需要做的就是与Leader Replica保持同步，当Leader Replica数据出现问题时，Follower Replica可以顶上。
重平衡：当消费者组增加或者减少消费者的时候，其他消费者实例重新分配订阅主题分区的过程。

Kafka Broker是如何持久化数据的？

Kafka使用消息日志(Log)来存储数据，并且通过日志段机制(Log Segment)将日志细分成多个日志段，新的消息会被追加到最新的日志段中，如果当前日志段写满，则会自动切分初一个新的日志段，并且将辽的日志段保存。Kafka还有定时任务定期定理老的日志段。